医疗保健领域综述的综述：数据分析与呈现方法的横断面研究

《Research Synthesis Methods》：Data analysis and presentation methods in umbrella reviews/overviews of reviews in health care: A cross-sectional study

本刊推荐：为解决umbrella reviews(URs)在数据分析和结果呈现方法上的异质性问题，研究团队对100篇医疗保健相关URs开展横断面研究。结果显示65%使用"umbrella review"术语，98%包含定量系统评价，但仅48%评估证据确定性，52%未报告研究重叠。该研究为URs方法学标准化提供重要依据。

　　

在当今信息爆炸的时代，系统评价(systematic reviews, SRs)的数量呈指数级增长，每年有近80篇系统评价发表。这种知识生产的加速使得研究者、临床医生和政策制定者面临新的挑战：如何从海量的系统评价中提取最可靠、最相关的证据？正是为了应对这一挑战，umbrella reviews(URs)，即综述的综述（也称为overviews of reviews）应运而生。URs作为一种更高级别的证据合成方法，旨在整合和分析特定主题下多个系统评价的发现，为决策提供更全面的证据基础。

然而，这种新兴的研究方法正面临着"成长的烦恼"。尽管URs在医疗保健领域的应用日益广泛，但其数据分析和结果呈现的方法却存在显著差异。不同的研究团队采用不同的技术路线，有的倾向于叙事性合成，有的则进行meta分析的再分析；有的使用GRADE(Grading of Recommendations Assessment, Development and Evaluation)体系评估证据确定性，有的则完全忽略这一关键步骤。这种方法论上的不一致性严重影响了URs结果的可靠性和可比性，也阻碍了其在证据转化中的应用。

为了深入了解URs方法学的现状，由Cindy Stern领导的国际研究团队在《Research Synthesis Methods》上发表了这项开创性的横断面研究。研究团队系统考察了2023-2024年间发表的100篇医疗保健相关URs，详细分析了其在术语使用、问题框架、数据合成方法、证据评估等方面的特征，为URs方法学的标准化提供了重要依据。

研究团队采用系统的方法识别和筛选相关文献。通过在PubMed数据库中进行系统检索，限定时间范围为2023年3月5日至2024年3月5日，共识别出1183条记录。经过标题和摘要筛选后，保留728条记录，通过随机数生成器随机选择100篇URs进行全文评估。最终，研究团队成功纳入了100篇符合标准的URs，确保了样本的代表性。

数据分析显示，在术语使用方面，"umbrella review"(65%)和"overview"(30%)是最常用的表述方式，反映了这一研究方法正在形成统一的身份认同。在问题框架方面，PICO(Population, Intervention, Comparator, Outcome)框架最为流行(43%)，其次是PICOS(14%)，但仍有25%的URs没有明确说明使用的问题框架。

值得注意的是，URs明显偏向于定量证据的合成。98%的URs包含定量系统评价，68%的URs纳入了随机对照试验(randomized controlled trials, RCTs)作为主要研究设计。相比之下，仅2%的URs专门包含定性证据，7%包含混合方法证据。这种偏重可能反映了当前证据合成领域对定量研究的重视，但也提示定性证据在高级别合成中的代表性不足。

在方法学指导方面，超过一半(55%)的URs没有提及遵循的方法学指南。在那些提及指南的URs中，Cochrane指南(32%)和JBI(Joanna Briggs Institute)指南(14%)是最常用的参考。在报告规范方面，PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses)(73%)是最广泛采用的报告标准。

研究重叠是URs特有的方法学挑战，指多个系统评价包含相同原始研究的情况。令人担忧的是，52%的URs完全没有提及研究重叠问题。在那些考虑重叠的URs中，21%使用corrected covered area计算，16%提供叙事性描述，15%使用表格展示。仅有13%的URs报告了单个结局指标的重叠情况。

在证据质量评估方面，97%的URs进行了严格评价，AMSTAR-2(A MeaSurement Tool to Assess systematic Reviews 2)(69%)是最常用的工具。然而，仅4%的URs基于方法学质量排除系统评价，且排除标准各不相同。

数据分析方法呈现多样化特点。所有包含定量数据的URs都使用了叙事性合成，30%进行了meta分析，27%使用基本描述性分析。在软件使用方面，仅27%的URs报告了分析或呈现数据所使用的软件，Stata(12%)、GRADEPro GDT(5%)和RevMan(5%)是最常用的工具。

结果呈现方面，表格展示(78%)是最常见的形式，其次是森林图(30%)和Summary of Findings表格(18%)。值得注意的是，8%的URs仅使用文本呈现结果，这可能影响结果的清晰度和可理解性。

证据确定性评估是URs质量的重要指标，但52%的URs完全没有进行此项评估。在那些进行评估的URs中，GRADE(39%)是最常用的框架，其次是CerQual(Confidence in the Evidence from Reviews of Qualitative research)(4%)。

这项研究揭示了URs方法学实践中的显著异质性，特别是在关键方法学要素的报告方面存在重大差距。研究重叠和证据确定性评估等核心方法学步骤的缺失，可能严重影响URs结果的可靠性和实用性。

研究发现强调了制定统一方法学指南的紧迫性。随着URs在证据转化中的作用日益重要，确保其方法学的严谨性和报告的透明度至关重要。这项研究为JBI Umbrella Review Methodology Group更新方法学指南提供了重要证据基础，将有助于提高未来URs的质量和一致性。

研究的局限性包括仅检索PubMed数据库、仅纳入英文文献、以及并非所有数据提取都进行双人核对。然而，作为首个系统评估URs方法学特征的大规模研究，其发现对证据合成领域具有重要启示意义。

这项研究标志着URs方法学标准化的重要一步。通过识别当前实践中的差距和变异，为未来方法学发展指明了方向。随着证据合成方法的不断演进，此类方法学研究将确保URs能够充分发挥其作为高级别证据资源的潜力，为医疗决策提供更可靠、更透明的证据基础。